一种基于多特征融合的俯视行人检测与跟踪方法

针对俯视的行人,提出一种基于俯视行人特征、矩形分块特征、颜色均匀特征等多特征融合的行人检测和跟踪方法。该方法主要由4个部分组成：运动检测、目标识别、目标跟踪建模、目标跟踪。系统在整张图像上用检测窗遍历扫描的方式检测是否含有人头目标,每次移动都是在原图像的一个采样,将所有候选目标都依次检测,保留目标图像;同时,对检测到的目标重新建模以便后续跟踪;最终利用MeanShift算法跟踪检测到的目标。实验表明：该算法精度高、速度快,能有效避免漏检、误检等情况,可以很好地适应复杂场景下的行人检测     

基于KPKM算法的动目标检测与跟踪

针对均值偏移算法在跟踪目标发生形变和遮挡时丢失问题,提出了一种自适应目标检测、核函数带宽可变、Kalman滤波预测和重心轨迹跟踪的改进均值偏移算法（KPKM）。该算法利用目标检测中得到的外接矩形和重心作为均值偏移算法的初值,用改进的Kalman滤波器预测目标运动趋势,使本算法能沿着梯度方向快速收敛到目标中心。实验和仿真结果表明,该方法实现了在复杂场景下,对运动目标的精确检测和准确跟踪。     

基于背景优化和模型更新的目标跟踪算法

针对传统MeanShift跟踪算法在进行目标跟踪时,由背景因素带来的定位偏差和缺乏相应的模型更新策略而易陷入局部最小值的情况,提出了两方面的改进措施。一方面在建立目标模型时,对背景像素建立新的模型以弱化对目标模型的影响,另一方面在跟踪过程中,融合目标颜色特征和连续两帧目标中心的欧氏距离动态的决定目标模型更新策略。实验结果表明,该算法在目标姿态、环境光照变化强烈时均能取得较好的跟踪效果。     

考虑MeanShift用户聚类的云服务推荐

针对传统云服务推荐算法只考虑推荐精度而忽略推荐效率问题,提出考虑了MeanShift用户聚类的云服务推荐.MeanShift聚类算法计算量小、运行速度快,可对任意分布的数据进行密度估计.该云服务首先根据数据密度分布对所有用户进行访问,然后计算用户在各个类簇中出现的累计频数,并将其划分到累计频数最大的类簇中,最后在该类簇...     

典型视频目标跟踪方法实现与分析

分析目前运动目标检测跟踪中的经典方法,包括帧间差分法、背景差分法和Mean Shift法,探讨其适用范围及优缺点,然后对3种算法进行验证,给出实验结果,并分析其优缺点。     

改进型Mean-Shift算法在行人目标跟踪中的应用

针对传统Mean-Sshift算法对于运动目标特征变化较快、某些干扰和遮挡等问题而引起目标定位偏差的情况,提出了一种基于改进型的颜色直方图的Mean-Shift算法,该算法是将颜色直方图和三重帧间差分的方法相结合的一种目标跟踪算法。实验结果表明,应用改进后的算法思想,可以较准确的对视频流中的行人目标进行实时跟踪,新算法能较好的解决运动目标特征变化较快而引起跟踪不准确的问题,实现对行人目标进行准确定位跟踪。     

基于相关滤波器的视频跟踪算法与仿真

为解决视频跟踪中目标旋转、形变、光照等导致目标丢失问题,提出了一种相关滤波器跟踪算法,该算法利用局部信息,对目标多次训练获取滤波器,再经相关运算对目标位置进行估计,并在线实时更新滤波器。仿真实验表明,该算法具有快速、简单、鲁棒等特点,能够实现对运动目标的实时跟踪。     

一种新的基于闪烁噪声的扩展目标跟踪方法

针对闪烁噪声采用高斯分布建模敏感度大的问题,提出一种闪烁噪声下基于变分贝叶斯(VB)的扩展目标跟踪算法。在量测噪声逆协方差未知条件下,该算法首先将量测噪声建模为t分布,继而通过VB近似量测噪声逆协方差、目标状态以及自由度的后验概率密度,最后给出其高斯伽马混合分布实现。仿真实验表明,所提算法可以自适应地跟踪多参数未知情况下的多扩展目标,与传统算法相比具有较高的跟踪精度。     

基于Kalman和Surf的Camshift目标跟踪研究

传统的Camshift运动目标跟踪算法在目标遮挡或背景颜色干扰下,容易陷入局部最大值,造成目标跟踪丢失。针对这一问题,提出了一种结合Kalman滤波及Surf特征提取的改进算法。该算法需在视频序列中手动框选跟踪目标作为目标模板。将传统Camshift算法得到的目标候选区域与目标模板进行直方图对比,得到的巴氏系数若大于设定的阈值则说明目标跟踪丢失。采用Surf算法,在该帧图像中匹配出新的目标候选区域,最终得到候选区域的位置信息更新Kalman滤波。仿真实验表明,改进后的算法在复杂背景下仍然具有良好的跟踪效果。     

一种针对人体运动目标的Mean-Shift跟踪算法

针对传统的Mean-Shift目标跟踪算法在跟踪人体运动目标时的不足,提出了一种基于Mean-Shift目标跟踪算法的人体目标跟踪方法。该方法首先利用人眼视觉阈值效应和区域生长法检测目标,再用Mean-Shift跟踪算法对目标进行跟踪。实验表明该方法大幅提高了人体运动目标的跟踪精度。     

基于分层光流场的运动车辆检测与跟踪

针对LK(Lucas Kanade)算法不能稳定跟踪快速移动目标的局限性,采用一种图像分层光流的跟踪方法,能获得针对目标的大尺度运动的较好预测结果.为了减少计算量,提出一种基于特征角点的光流跟踪技术,首先提取运动车辆的特征角点,计算其光流场,对角点实施跟踪极大地减少了光流计算量,可以满足目标检测实时性的要求.实验表明,当运动车辆转弯和移动时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征焦点,实现了复杂交通场景下对运动车辆的实时稳定跟踪.     

复杂环境中机动车跟踪实时性算法

针对复杂环境中机动车跟踪问题,为克服光照变化、噪声干扰、其他随机运动物体干扰,提出一种机动车识别和跟踪实时性算法。首先对图像进行光照补偿减少光照影响,用Surendra算法和三帧差法检测运动目标,并建立ROI(感兴趣区域)以缩小Haar识别范围提高系统响应速度;其次由训练好的级联分类器在ROI范围内识别机动车,从而保证高检测率和低误检率;最后利用Camshift算法跟踪机动车。为验证算法有效性搭建嵌入式系统平台,实验结果表明在背景复杂且其他运动物体干扰下,该算法较使用传统目标跟踪算法具有更好的鲁棒性和实时性。     

复杂背景下运动目标检测与实时跟踪

为准确追踪复杂背景下视频序列待处理目标的位置,提出一种基于互相关信息和Mean Shift相结合的目标追踪算法。将待处理帧和背景帧图像从RGB空间转化为GRAY空间,利用背景剪除法获取待匹配帧的基准图像,对基准图像用快速傅里叶变换得到基准图象和模版图像的相关性,结合Mean Shift最终确定目标图像的位置。实验结果表明,该方法在遮挡、环境干扰等复杂情况下均能稳定有效地追踪目标。     

基于Kalman滤波算法的运动目标跟踪系统建模与仿真

鉴于传统的跟踪算法鲁棒性和实时性不足,构建了一种基于Kalman滤波的运动目标跟踪系统。对于运动目标的跟踪,此系统先采用背景差分法检测目标位置,再使用Kalman滤波算法估计目标位置。通过建模仿真,结果表明,该算法能较好预测运动目标的位置,实现了对运动目标的实时跟踪。     

视频中实时多人脸跟踪器系统

提出一种基于改进的Mean Shift算法的多人脸跟踪器.首先建立多个Mean Shift跟踪器对视频中的多个目标分别进行跟踪,针对多人脸跟踪过程中目标粘连、遮挡、个体对应以及目标更新等难题,提出最优排序法、目标消除法、多辅助信息和表决制策略等解决方案.引入卡尔曼滤波器预测目标的中心位置,减少目标丢失的可能性,提高算法的实时性.实验表明,该多人脸跟踪器可实时地实现多人脸跟踪,具有很强的鲁棒性.     

基于局部稀疏表示的目标跟踪算法

目标跟踪是计算机视觉领域重要的研究方向之一。基于l1最小化稀疏表示的目标跟踪算法跟踪精度高,但是在跟踪部分遮挡目标或当背景中存在与目标相似的干扰物时会发生漂移。这主要是因为算法仅关注目标的整体特征,而忽略了目标局部特征的变化情况。为了解决该问题,提出基于目标外观局部稀疏表示的跟踪算法。首先,对待选样本进行分块,然后利用采集得到的模板对各分块进行稀疏表示并计算重构误差,最后选取累积误差最小的待选样本作为跟踪目标。实验结果表明,该算法在跟踪被部分遮挡的目标时相比l1跟踪算法有更高的准确度。     

基于均值移动重要性采样的粒子滤波人脸跟踪算法

针对condensation目标跟踪算法中用先验转移概率作建议分布函数时没有充分考虑最新观测信息的缺点,提出了一种基于均值移动重要性采样的粒子滤波人脸跟踪算法.算法首先利用均值移动跟踪器粗略定位人脸目标,然后再用此跟踪结果去构造建议分布函数进行粒子传播.由于通过该方法所构造的建议分布函数中包含了最新的观测信息,所以它可以使大多数粒子点都能分布在真实状态区域周围,进而提高了粒子传播的准确性.人脸跟踪结果表明,该算法的跟踪性能明显优于标准condensation方法.     

基于传感器融合的一种多目标车辆识别跟踪方法

为使无人驾驶汽车在公路环境中有效实现安全避障和行驶,提出一种基于雷达和视觉传感器融合的多目标车辆识别跟踪的方法.在无人驾驶汽车上部署6个高分辨率雷达传感器和2个视觉传感器,利用联合概率数据关联算法,将目标与雷达回波点迹进行关联,利用YOLOV2深度神经网络对视频序列中的图像进行对象识别和定位,并综合2种传感器,在时间和空间上进行标定,从而识别车道上的汽车,然后利用扩展卡尔曼滤波算法,跟踪被识别的车辆,最后应用MATLAB软件建模仿真.仿真结果验证:该方法能使无人驾驶汽车有效识别和跟踪公路上静止和移动的汽车目标,为无人驾驶汽车后继的决策规划控制提供了感知层信号.     

基于核函数的目标跟踪系统建模与仿真

针对目标跟踪中的快速运动、旋转、遮挡等问题,采用核函数算法实现目标跟踪。利用卷积实现密集采样,使用高斯核函数岭回归估计目标位置,在线更新高斯模型和核相关滤波器。通过OTB数据集对算法进行实验验证,结果表明,算法Precision能达到69.7%,Success达到66.8%,跟踪速度达412fps。实验表明,算法在跟踪过程中可对旋转、模糊、遮挡图像中的目标进行有效跟踪,在多个指标上优于其它比较算法。     

基于ARM的移动目标跟踪系统设计

基于ARM9-S3C2440AL处理器提出一种移动目标跟踪设计方案。研究如何将嵌入式平台与移动目标跟踪结合起来,并对系统关键技术和方法进行描述。系统包括软硬件平台设计,主要完成了Bootloader向导移植、Linux内核制作、USB摄像头驱动程序编写、声卡驱动设计、移动目标跟踪系统应用程序设计。在MATLAB软件平台上研究了基于卡曼滤波的单目标和数学形态连通区域的多目标移动跟踪算法,实现了移动目标跟踪,结果达到预期目标;将在MATLAB平台上运行的程序转化为适合开发板运行的C程序,实现ARM开发板采集图像并存储,可通过客户端Web浏览器对存储的图像和视频进行查看。